摘要
本发明提供融合多模态YOLO算法的自监督桑树病虫害识别方法及系统,所述融合多模态YOLO算法的自监督桑树病虫害识别方法提出了融合多模态信息处理技术的Multi‑Modal‑YOLO算法,即多模态YOLO算法,结合音频信息、热成像信息来进一步提升对病虫害类型的识别结果的准确性。引入了多模态大模型驱动的自监督学习框架,在识别偏差风险超出预设阈值时调用多模态大模型生成类别标签,赋予模型为新类型的病虫害动态地生成新标签的能力,从而有效地防止训练数据的分布不均或者对某一类别数据的缺失所导致的错误识别;本发明通过对桑树叶片上的病斑、虫害等目标进行精准识别,提高了桑树病虫害防治的效率和精准度,减少了对蚕桑生产的影响,从而促进增产。
技术关键词
YOLO算法
桑树病虫害
多模态
节点特征
识别偏差
矩阵
决策
特征提取模块
玻尔兹曼机
识别方法
标签
样本
热成像
音频
数据
卷积神经网络模型
桑树叶片
代表
图像
系统为您推荐了相关专利信息
施工机器人
图像特征数据
惯性导航误差
定位方法
惯性导航数据
多模态
身份信息识别方法
身份信息识别系统
证件图像
数据
等级评估方法
字体
生物力学参数
笔尖压力
特征工程
表面缺陷检测系统
木材缺陷
钢木
钢材
多模态图像数据